Un outil de visualisation professionnel pour créer et personnaliser des diagrammes en forêt de haute qualité à partir de données de meta-analysis.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install forest-plot-styler
2. Installation manuelle
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
3. Installation du prompt
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer forest-plot-styler via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Vous préférez télécharger ?
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Qu'est-ce que Forest Plot Styler ?
Forest Plot Styler est un utilitaire technique spécialisé conçu pour transformer des données brutes de meta-analysis en visualisations prêtes pour la publication. En automatisant le rendu des Odds Ratio et des intervalles de confiance spécifiques à l'étude, cet outil permet aux chercheurs et aux data scientists d'aller au-delà des graphiques de base pour obtenir des représentations esthétiques et hautement personnalisées des données cliniques et statistiques.
Conçu pour s'intégrer parfaitement aux flux de travail de recherche modernes, le skill gère des tâches complexes telles que l'affichage de l'analyse de sous-groupes et le calcul automatique des effets combinés. Que vous ayez besoin d'un graphique minimaliste en niveaux de gris pour une revue ou d'un PNG haute résolution vibrant pour une présentation, cet élément de la bibliothèque Openclaw Skills offre le contrôle granulaire nécessaire pour des résultats de qualité professionnelle.
Cas d'utilisation de Forest Plot Styler
- Création de diagrammes en forêt haute résolution pour des publications médicales ou scientifiques évaluées par des pairs.
- Visualisation de l'analyse de sous-groupes pour identifier les variations selon les données démographiques ou les traitements de l'étude.
- Génération de graphiques vectoriels au format PDF ou SVG pour des posters académiques extensibles.
- Automatisation du calcul et de l'affichage des valeurs d'effet combiné à l'aide de diamants ou de marqueurs personnalisés.
Comment fonctionne Forest Plot Styler
- L'utilisateur fournit un fichier CSV ou Excel structuré contenant les noms des études, les Odds Ratio et les bornes des intervalles de confiance.
- Le script analyse les données à l'aide de pandas et valide les colonnes obligatoires comme study et or.
- Des paramètres personnalisables sont appliqués pour définir les styles visuels, notamment les couleurs des points, les épaisseurs de ligne et les tailles de police.
- L'outil calcule les effets combinés et fait correspondre les poids des études à la taille des marqueurs de Odds Ratio.
- Un graphique final est rendu via matplotlib et exporté dans le format de fichier spécifié par l'utilisateur (PNG, PDF ou SVG).
Configuration de Forest Plot Styler
Pour utiliser cet outil dans l'environnement Openclaw Skills, assurez-vous d'avoir installé Python 3.8+ puis configurez les dépendances requises :
# Install required Python packages
pip install matplotlib pandas numpy openpyxl
# Basic execution command
python scripts/main.py --input your_data.csv --output forest_plot.png
Schéma de données et taxonomie de Forest Plot Styler
Le skill attend une entrée tabulaire structurée. Les données sont organisées selon la taxonomie suivante :
| Column | Type | Requirement | Description |
|---|---|---|---|
study |
Text | Required | Le nom de l'étude ou de l'essai individuel. |
or |
Numeric | Required | La valeur de l'Odds Ratio (OR) ou la taille de l'effet. |
ci_lower |
Numeric | Required | La borne inférieure de l'intervalle de confiance à 95 %. |
ci_upper |
Numeric | Required | La borne supérieure de l'intervalle de confiance à 95 %. |
weight |
Numeric | Optional | Détermine la taille relative du point OR. |
subgroup |
Text | Optional | Utilisé pour catégoriser les études pour l'analyse de sous-groupes. |
Fonctionnalités avancées de Forest Plot Styler
- Exportation multi-format prenant en charge le PNG, le PDF haute fidélité et les vecteurs SVG extensibles.
- Prise en charge de thèmes prédéfinis incluant 'minimal' pour les revues et 'dark' pour les présentations numériques modernes.
- Conversion automatique des valeurs OR lorsqu'une échelle logarithmique est détectée pour une meilleure distribution visuelle.
- Dimensionnement dynamique des points basé sur le poids pour refléter la contribution statistique de chaque étude individuelle.
- Positionnement personnalisé de la ligne de référence (par défaut OR=1) pour mettre en évidence la signification statistique en un coup d'œil.
SKILL.md
Chargement
Compétences Openclaw associées
TranslateAgent
Un moteur de traduction et de résumé sans état conçu pour fournir des réponses JSON strictement formatées pour une intégration AI transparente.
Compétence de Test PydanticAI
Un framework de test complet pour les agents PydanticAI comprenant des modèles déterministes, l'enregistrement d'API et des snapshots automatisés.
Trouver des Marketplaces
Un outil d'intelligence stratégique pour découvrir des plateformes de commerce électronique de niche et régionales optimisées pour l'adéquation produit-marché.
Protection des Informations Sensibles
Une couche de sécurité en temps réel qui détecte, alerte et gère automatiquement l'exposition des données sensibles lors des interactions avec les agents AI.
Trouver des Distributeurs
Un outil de sourcing stratégique conçu pour identifier et prioriser les distributeurs régionaux, les importateurs et les partenaires de distribution en gros pour les entreprises basées sur des produits.
Trouver des Revendeurs
Un outil d'intelligence stratégique conçu pour identifier, évaluer et hiérarchiser les vendeurs secondaires et les partenaires de canal pour l'ecommerce et l'expansion transfrontalière.
En vedette*
